论文摘要：基于神经网络的航天器故障预测方法研究

故障预测是航天器健康监测的核心内容与关键技术，开展航天器故障预测方法研究对于减少航天器的测试时间、发射与运行成本、避免重大灾难事故等具有重要的意义。神经网络不但具有处理复杂模式及进行联想、推测和记忆功能，而且还有很强的自学习能力，容错能力以及外部环境的适应能力，因此非常适合应用于航天器的故障预测。本文基于神经网络，对航天器故障预测方法进行研究，具体内容包括：神经网络技术的研究。对比分析了几种典型的神经网络的特点和应用优势，相对于其他神经网络方法，BP神经网络结构简单，性能良好且应用广泛。本文研究航天故障预测方法采用的神经网络最终选用BP神经网络。航天器的故障预测主要有两类方法，即基于数据故障预测及基于模型的故障预测。BP神经网络具有预测的功能，除此之外，基于数据的预测常用的方法还有灰预测，时间序列等。本文采用这3种方法，对航天器的遥测数据进行了预测，对比分析了三种方法各自的优缺点以及适用数据特点。同时，为结合灰预测，时间序列等方法的预测优势及BP神经网络的模式识别功能，论文将灰预测、时间序列分别与BP神经网络组合成系统，可更好地用于航天器故障预测。在基于模型的航天器故障预测方法方面，论文选取航天器的电源分系统建立模型。分析了电源分系统设计的制约因素，建立了蓄电池模块故障预测模型。结合实例，采用阈值法进行故障预测，分析了BP神经网络在基于模型的航天器故障预测的应用必要性。论文对基于模型和基于数据的两类航天器故障预测方法进行了对比，讨论了数据融合常用的方法。在第五章中结合航天器某些型号的遥测数据，预测了相关航天器部件的状态变化，仿真结果显示，本文所发展的方法及相关软件能用于航天器的故障预测。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/203852.html